52
D. Uji Asumsi Klasik
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah suatu model regresi, variabel pengganggu atau variabel residual memiliki distribusi normal. Model data
yang baik adalah berdistribusi normal atau mendekati normal Ghozali, 2013:160. Untuk melihat data berdistribusi normal dapat dilakukan dengan memperhatikan
normal probability plot pada scatter plot berdistribusi normal. Gambar 4.1 akan menunjukan hasil uji normalitas etos kerja Islam dan komitmen organisasi terhadap
kinerja karyawan:
Gambar 4.1 Hasil Uji Normalitas
Sumber: Hasil output SPSS yang diolah, 2015 Berdasarkan grafik di atas menunjukkan bahwa semua data yang ada
berdistribusi dengan normal, karena data menyebar membentuk dan mendekati garis lurus diagonal maka data tersebut memenuhi asumsi normal atau mengikuti
53
garis normalitas. Selain dengan melihat grafik, normalitas data juga dapat dilihat melalui uji statistik yaitu dengan uji statistik non-parametrik Kolmogrov-Smirnov
pada alpha sebesar 5. Jika nilai signifikansi dari pengujian Kolmogrov-Smirnov lebih besar dari 0,05 berarti data normal.
Tabel 4.10 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 2,06140520
Most Extreme Differences Absolute
,111 Positive
,106 Negative
-,111 Kolmogorov-Smirnov Z
,701 Asymp. Sig. 2-tailed
,709
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil output SPSS yang diolah, 2015 Berdasarkan uji statistik normalitas pada tabel 4.10 di atas menunjukkan
Kolmogrov-Smirnov sebesar 0,701 dan signifikansi pada 0,709 atau lebih besar dari 0,05, maka dapat disimpulkan bahwa data terdistribusi dengan normal.
2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel independen. Uji multikolinieritas dapat dilihat dari nilai tolerance dan Variance Inflation Factor
VIF. Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF
54
= 1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikilonieritas adalah nilai tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10.
Tingkat kolinieritas yang dapat ditolerir adalah nilai tolerance 0,10 atau sama dengan tingkat multikolinieritas 0,95 Ghozali, 2013:105. Hasil uji
multikolinieritas dapat dilihat pada tabel 4.11 berikut:
Tabel 4.11 Hasil Uji Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1
Constant ETOS KERJA ISLAM
,712 1,404
KOMITMEN ORGANISASI ,712
1,404
Sumber: Hasil output SPSS yang diolah, 2015 Berdasarkan data pada tabel 4.11 di atas dapat diketahui bahwa syarat untuk
lolos dalam uji multikolinieritas sudah terpenuhi oleh seluruh variabel independen yang ada, yaitu nilai tolerance yang lebih besar dari 0,10 dan nilai VIF Variance
Inflation Factor yang tidak lebih dari 10. Pada tabel di atas, nilai tolerance variabel bebas etos kerja Islam dan komitmen organisasi nilainya sama besar yaitu sebesar
0,712. Sedangkan nilai VIF variabel bebas etos kerja Islam dan komitmen organisasi nilainya sama yaitu sebesar 1,404. Oleh karena itu, dapat disimpulkan
bahwa seluruh variabel independen yang digunakan dalam penelitian ini tidak berkorelasi antara variabel independen satu dengan variabel independen yang
lainnya.
55
3. Uji Heteroskedastisitas